'

Не линейные модели парной регрессии

Понравилась презентация – покажи это...





Слайд 0

Не линейные модели парной регрессии Лекция 5 13 февраля 2012 года


Слайд 1

Два класса нелинейных регрессии Нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам Нелинейные по оцениваемым параметрам


Слайд 2

Класс 1 Полиномы разных степеней парабола у = a + bx + cx2. Равносторонняя гипербола у = a + b/x Полулогарифимческая функция у = a + ln x


Слайд 3

Равносторонняя гипербола Удельный расход сырья от объема выпускаемой продукции Времени обращения товара от величины товарооборота Процент прироста заработной платы от уровня безработицы и другие...


Слайд 4

Приведение к линейному уравнению Все уравнения класса 1 приводятся к линейному простой заменой объясняющих переменных: парабола: x1 = x, x2 = x2 гипербола: z = 1/x логарифмическая: z = ln x К линейной регрессии применяется МНК для оценки параметров.


Слайд 5

Класс 2 Степенная y = a · xb Показательная y = a · bx Экспоненциальная y = ea+bx Логистическая Обратная


Слайд 6

Степенная функция y = a · xb ln y = ln a + b ln x Это уравнение легко приводится к линейному Y = ln y, A = ln a, X = ln x Параметр b в степенной функции является коэффициентом эластичности: на сколько изменится результат, если фактор изменится на 1%


Слайд 7

Эластичность Э = f ’(x) · (x/y) Средний коэффициент эластичности:


Слайд 8

Средний коэффициент эластичности


Слайд 9

Индекс корреляции и детерминации


×

HTML:





Ссылка: